#DevResearch: Exploring Development Researchers Twitter Use for Research Dissemination
Notice bibliographique
Résumé
Social media is increasingly used by researchers to discuss research and policy.However, little is known about access to social media as well as the nature of its use among development studies researchers. This study combines survey data on the social media use of 131 development researchers with data on 56,512 tweets by development researchers. Development researchers are most active on Twitter and Facebook, and use them to engage with academics and students. Twitter data reveal that only a small fraction of tweets explicitly discuss their country of residence. Implications for understanding the role of social media in the dissemination and use of development research are provided. Les chercheurs ont de plus en plus recours aux médias sociaux pour discuter de recherche et de politiques. Cependant, on en sait peu sur l’accès aux médias sociaux par les chercheurs en études du développement et leur utilisation de ceux-ci. Cet article combine les données provenant d’un sondage fait auprès de 131 chercheurs en développement et les données sur 56,512 Tweets envoyés par des chercheurs en développement. Ces chercheurs sont particulièrement actifs sur Twitter et Facebook, utilisant ces réseaux pour échanger avec des académiques et des étudiants. Cependant,les données sur Twitter révèlent qu’une part infime seulement des Tweets discutent explicitement de leur pays de résidence. Cette étude traite ainsi d’approches pour comprendre le rôle des médias sociaux dans la dissémination et l’utilisation de la recherche en développement.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».